Capitolo 13 Cammini minimi: algoritmo di Dijkstra Algoritmi e Strutture Dati.

Capitolo 13 Cammini minimi: algoritmo di Dijkstra Algoritmi e Strutture Dati

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © 2004 - The McGraw - Hill Companies, srl 2 Cammini minimi in grafi pesati Sia G=(V,E,w) un grafo orientato con pesi w reali sugli archi. Il costo di un cammino  = è dato da: Un cammino minimo tra una coppia di vertici x e y è un cammino avente costo minore o uguale a quello di ogni altro cammino tra gli stessi vertici. NOTA: Il cammino minimo non è necessariamente unico.

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © 2004 - The McGraw - Hill Companies, srl 3 Esempio: cammino minimo su un grafo pesato la distanza d uv da u a v è il costo di un qualsiasi cammino minimo da u a v. u 3 v 2 6 7 4 5 -10 18 2 9 6 8 30 20 44 16 11 6 18 6

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © 2004 - The McGraw - Hill Companies, srl 4 Esempio: cammino minimo su un grafo pesato la distanza d uv da u a v è il costo di un qualsiasi cammino minimo da u a v. Problema: dati u e v, trovare un cammino minimo (e/o distanza) da u a v u 3 v 2 6 7 4 5 -10 18 2 9 6 8 30 20 44 16 11 6 18 6 d uv =17

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © 2004 - The McGraw - Hill Companies, srl 5 Algoritmica concreta: il navigatore satellitare Il prof. Pasquale è a casa (punto A) e deve andare al concerto di Francesco De Gregori al Palalottomatica (punto B) con il prof. Gualà. Non conosce la strada, ma dispone di un moderno navigatore satellitare, il quale lo aiuterà ad arrivare a destinazione: 1.percorrendo la strada più breve possibile (funzione obiettivo 1), oppure 2.impiegando il minor tempo possibile (funzione obiettivo 2). Come calcola la soluzione? Semplice: rappresenta l’intera rete stradale italiana (centinaia di migliaia di strade!) come un grafo diretto G=(V,E), in cui i nodi sono le intersezioni fisiche tra le varie strade (milioni di nodi!), e gli archi sono le strade stesse, con i loro sensi di marcia. Il grafo viene quindi pesato rispetto alla mia funzione obiettivo, ovvero rispettivamente: 1.Lunghezza della strada  funzione peso w 1 ; 2.Tempo di percorrenza  funzione peso w 2. Infine, calcola (rapidamente!) il cammino minimo in G=(V,E,w 1 ) e in G=(V,E,w 2 ) tra A ed B.

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati …no! se non esiste nessun cammino da u a v –d uv =+∞ se c’è un cammino che contiene un ciclo il cui costo è negativo –d uv =-∞ Copyright © 2004 - The McGraw - Hill Companies, srl 8 u v Σ w(e)<0 Oss: se G non contiene cicli negativi, esistono cammini minimi che sono cammini semplici

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati sottostruttura ottima Ogni sottocammino di un cammino minimo è un cammino minimo. Copyright © 2004 - The McGraw - Hill Companies, srl 9 ux vy dim: tecnica cut&paste ipotetico cammino più corto da x a y allora il cammino da u a v non era minimo!

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati disuguaglianza triangolare per ogni u, v, x  V, vale: d uv  d ux + d xv 10 uv il cammino da u a v che passa per x è un cammino nel grafo e quindi il suo costo è almeno il costo del cammino minimo da u a v x

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Problema del calcolo dei cammini minimi a singola sorgente Due versioni: Dato G=(V,E,w), s  V, calcola le distanze di tutti i nodi da s, ovvero, d sv per ogni v  V Dato G=(V,E,w), s  V, calcola l’albero dei cammini minimi di G radicato in s Copyright © 2004 - The McGraw - Hill Companies, srl 11

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © 2004 - The McGraw - Hill Companies, srl 12 Albero dei cammini minimi L’unione di tutti i cammini minimi da un vertice s a tutti i vertici da esso raggiungibili nel grafo G genera un sottografo di G, detto sottografo dei cammini minimi con sorgente in s Se da tale sottografo rimuoviamo archi in modo tale da ridurre ad 1 il grado entrante di tutti i nodi (escluso s che ha grado entrante pari a 0) otterremo un albero orientato con tutti gli archi orientati in direzione delle foglie, detto albero dei cammini minimi radicato in s

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © 2004 - The McGraw - Hill Companies, srl 13 Esempio di albero dei cammini minimi s a c b d 11 0 4 5 1 11 5 6 2 oppure

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Esercizio 1.Progettare un algoritmo che, dato un grafo diretto e pesato G=(V,E,w) e un suo albero dei cammini minimi radicato in un nodo s, calcola in tempo lineare le distanze di ogni nodo da s. 2.Progettare un algoritmo che, dato un grafo diretto e pesato G=(V,E,w) e le distanze di ogni nodo da un nodo s, calcola in tempo lineare un albero dei cammini minimi di G radicato in s.

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Algoritmo di Dijkstra Assunzione: tutti gli archi hanno peso non negativo, ovvero ogni arco (u,v) del grafo ha peso w(u,v)  0  cammini minimi esistono se esistono i cammini dalla sorgente  d sv  - ∞ Copyright © 2004 - The McGraw - Hill Companies, srl 15

Idea intuitiva dell’algoritmo: pompare acqua nella sorgente A B CE D s 2 4 1 2 2 2 4 archi come tubi peso degli archi come lunghezza acqua scorre a velocità costante

Idea intuitiva dell’algoritmo: pompare acqua nella sorgente A B CE D s 2 4 1 2 2 4 2 archi come tubi peso degli archi come lunghezza acqua scorre a velocità costante

Idea intuitiva dell’algoritmo: pompare acqua nella sorgente A B CE D s 2 4 1 2 2 4 2 archi come tubi peso degli archi come lunghezza acqua scorre a velocità costante 0 2 35 4

Verso l’algoritmo: approccio greedy (goloso) 1.mantiene per ogni nodo v una stima (per eccesso) D sv alla distanza d sv 2.mantiene un inseme X di nodi per cui le stime sono esatte; e anche un albero T dei cammini minimi verso nodi in X (albero nero). Inizialmente X={s}, T non ha archi. 3.ad ogni passo aggiunge a X il nodo v in V-X la cui stima è minima; aggiunge a T uno specifico arco (arancione) entrante in v 4.aggiorna le stime guardando i nodi adiacenti a v Copyright © 2004 - The McGraw - Hill Companies, srl 29 s X G

I nodi da aggiungere progressivamente a X (e quindi a T) sono mantenuti in una coda di priorità, associati ad un unico arco (arco arancione) che li connette a T. la stima per un nodo y  V-X è: D sy =min{D sx +w(x,y) : (x,y)  E, x  X } Se y è in coda con arco (x,y) associato, e se dopo aver aggiunto v a T troviamo un arco (v,y) tale che D sv +w(v,y) < D sx +w(x,y), allora rimpiazziamo (x,y) con (v,y), ed aggiorniamo D sy. s X G nodi per i quali non è stato “scoperto” nessun cammino; stima=+∞ nodi “scoperti”; hanno stima<+∞ sono mantenuti in una coda con priorità insieme al “miglior” arco entrante (arancione)

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati 31 Pseudocodice Nota: T è un albero che contiene tutti i nodi in X più i nodi correntemente contenuti nella coda di priorità (nodi arancioni); è composto cioè dagli archi di T (albero dei cammini minimi ristretto ai nodi in X) più gli archi arancioni (potenziali archi da aggiungere a T)  ; X   ; X  X  {u}

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © 2004 - The McGraw - Hill Companies, srl 34 Estendere l’albero dei cammini minimi Lemma di Dijkstra (1959): Sia G=(V,E,w) (diretto o non diretto) con pesi non negativi, e sia T un sottoalbero dell’albero dei cammini minimi radicato in s che include s ma non include tutti i vertici raggiungibili da s. Sia (u,v) l’arco che minimizza la quantità d st + w(t,z), per ogni t  T e z  T. Allora, (u,v) appartiene a un cammino minimo da s a v. Dim.: Supponiamo per assurdo che (u,v) non appartenga ad un cammino minimo da s a v, e quindi che d sv.

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © 2004 - The McGraw - Hill Companies, srl 35 Per la minimalità dei sottocammini di un cammino minimo: w(  sv ) = w(  sy ) + w(  yv ) = d sx + w(x,y) + w(  yv ). Poiché (u,v) minimizza d st + w(t,z) per ogni t  T e z  T, allora: d sx + w(x,y)  d su + w(u,v) e quindi: w(  sv ) ≥ d su + w(u,v) + w(  yv ) e poiché w(  yv ) ≥ 0, ne segue d sv ≡ w(  sv ) ≥ d su + w(u,v), assurdo (avevamo supposto d sv < d su + w(u,v)).□

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © 2004 - The McGraw - Hill Companies, srl 37 Tempo di esecuzione: implementazioni elementari Supponendo che il grafo G sia rappresentato tramite liste di adiacenza, e supponendo che tutti i nodi siano connessi ad s, avremo n insert, n deleteMin e al più m decreaseKey nella coda di priorità, al costo di: n·O(1) + n·O(n) + O(m)·O(1) = O(n 2 ) con array non ordinati n·O(n) + n·O(1) + O(m)·O(n) = O(m·n) con array ordinati n·O(1) + n·O(n) + O(m)·O(1) = O(n 2 ) con liste non ordinate n·O(n) + n·O(1) + O(m)·O(n) = O(m·n) con liste ordinate InsertDelMinDecKey Array non ord.O(1)O(n)O(1) Array ordinatoO(n)O(1)O(n) Lista non ord.O(1)O (n)O(1) Lista ordinataO(n)O(1)O(n)

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Osservazione sulla decreaseKey Ricordiamo che le complessità computazionali esposte per la decreaseKey sono valide supponendo di avere un puntatore diretto all’elemento su cui eseguire l’operazione. Come possiamo garantire tale condizione? Semplicemente mantenendo un puntatore tra il nodo v nell’array dei nodi della lista di adiacenza del grafo e l’elemento nella coda di priorità associato al nodo v; tale puntatore viene inizializzato nella fase di inserimento di quest’ultimo all’interno della coda. Copyright © 2004 - The McGraw - Hill Companies, srl 38

Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © 2004 - The McGraw - Hill Companies, srl 39 Tempo di esecuzione: implementazioni efficienti n·O(log n) + n·O(log n) + O(m)·O(log n) = O(m·log n) utilizzando heap binari o binomiali n·O(1) + n·O(log n) * + O(m)·O(1) * = O(m + n·log n) utilizzando heap di Fibonacci (si osservi – e lo si dimostri limitatamente ai vari metodi presentati – che questa complessità computazionale è il miglior upper bound noto alla complessità del problema!) InsertDelMinDecKey Heap binario O(log n) Heap Binom. O(log n) Heap Fibon. O(1)O(log n) * (ammortizzata) O(1) * (ammortizzata) Supponendo che il grafo G sia rappresentato tramite liste di adiacenza, e supponendo che tutti i nodi siano connessi ad s, avremo n insert, n deleteMin e al più m decreaseKey nella coda di priorità, al costo di:

Capitolo 13 Cammini minimi: algoritmo di Dijkstra Algoritmi e Strutture Dati.

Presentazioni simili

Presentazione sul tema: "Capitolo 13 Cammini minimi: algoritmo di Dijkstra Algoritmi e Strutture Dati."— Transcript della presentazione:

Presentazioni simili

Sul progetto

Feed-back

Entrare

Autorizzarsi attraverso i social network:

Capitolo 13 Cammini minimi: algoritmo di Dijkstra Algoritmi e Strutture Dati.

Presentazioni simili

Presentazione sul tema: "Capitolo 13 Cammini minimi: algoritmo di Dijkstra Algoritmi e Strutture Dati."— Transcript della presentazione:

Presentazioni simili

Sul progetto

Feed-back